생성형 AI 기반 학습: 감성, 인지, 행동 유형 메시지의 효과 분석

하야시다 나오코 연구팀은 생성형 AI(GenAI) 기반 자기 주도적 학습에서 감성적, 인지적, 행동적 메시지 스타일의 효과를 비교 분석하여 학습 참여도와 지속성 향상을 위한 통찰력을 제공하는 연구를 수행했습니다. 3명의 평가자의 분석 결과, 네 가지 주요 주제(필수 공통 기반, 내재적 가치, 사용자 반응, 표현된 선호도)가 도출되었으며, 이는 GenAI 기반 학습 설계에 중요한 시사점을 제공합니다.

생성형 AI가 온라인 학습의 미래를 바꾼다면?

온라인 학습 플랫폼의 높은 중퇴율은 교육계의 심각한 과제입니다. 하야시다 나오코 연구팀의 최근 연구는 이 문제의 해결책을 생성형 AI(GenAI)에서 찾고 있습니다. 연구팀은 학습자의 지속적인 참여에 '학습 경험에 대한 인식'이 결정적인 역할을 한다는 점을 강조하며, Kittur et al.의 연구를 인용하여 시스템 적합성과 과정 난이도에 대한 인식이 성공에 대한 기대치를 형성한다고 언급합니다.

흥미로운 점은 GenAI가 생성한 교육 메시지가 인간이 작성한 콘텐츠보다 더 명확하게 인식된다는 점입니다. 하지만 GenAI 기반 학습이 학습자의 기술 향상 경험에 대한 인식에 어떤 영향을 미치는지는 아직 명확하게 밝혀지지 않았습니다. 바로 이 부분이 하야시다 연구팀의 연구가 집중하는 핵심입니다.

세 가지 메시지 스타일의 대결: 감성 vs. 인지 vs. 행동

연구팀은 자기 주도적 학습 환경에서 GenAI 기반 학습을 분석했습니다. 특히 의사소통 기술 향상에 초점을 맞춰, 감성적, 인지적, 행동적 세 가지 메시지 스타일을 비교 분석했습니다. 10개의 교육 단위에 GenAI를 사용하여 30개의 학습 항목을 생성하고, 3명의 평가자가 각 항목의 바람직성과 적절성을 평가했습니다. 총 180개의 발췌문을 반성적 주제 분석(reflexive thematic analysis)을 통해 분석한 결과, 필수 공통 기반, 내재적 가치, 사용자 반응, 표현된 선호도 라는 네 가지 주요 주제를 발견했습니다.

숨겨진 통찰: GenAI 기반 학습 설계의 미래

이 연구는 GenAI 기반 자기 주도적 기술 향상 학습 설계에 대한 중요한 통찰력을 제공합니다. 이는 단순히 AI를 교육에 적용하는 것을 넘어, 학습자의 감정, 인지 과정, 행동에 대한 깊이 있는 이해를 바탕으로 효과적인 학습 환경을 구축하는 데 초점을 맞춥니다. 결과적으로 학습 참여도, 지속성, 그리고 학습 성과 향상이라는 중요한 목표 달성에 기여할 것으로 기대됩니다. 앞으로 GenAI 기반 학습의 발전 방향과 그 가능성에 대한 기대감을 높이는 중요한 연구입니다.

결론적으로, 이 연구는 GenAI를 활용한 교육의 혁신적인 가능성을 보여주는 동시에, 학습자 중심의 접근 방식의 중요성을 다시 한번 강조합니다.